AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.7 Max

Resumen

Comparación benchmark de Claude Opus 4.8 vs Qwen3.7 Max: Qwen3.7 Max lidera en puntuación media con 9.4 vs 7.7. Qwen3.7 Max tiene menor coste de benchmark con $0.523 vs $1.270. Claude Opus 4.8 es más rápido con 10.83s vs 16.02s, con tasas de acierto de 79.4% vs 88.9%.

Modelo recomendado: Qwen3.7 Max - Tiene la mejor puntuación aquí (9.4) y cuesta aproximadamente 2.4x menos que Claude Opus 4.8.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22

Métrica	Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28	Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22
Puntuación	7.7	9.4
Rango	#38	#3
Fiabilidad	10.0	10.0
Consistencia	8.8	9.6
Pruebas correctas
Tasa de aciertos por intento	79.4%	88.9%
Pruebas inestables	3	1
Ejecuciones totales	63	63
Costo por resultado	8.466	5.517
Costo total	$1.270	$0.523
Precio de entrada	$5.000 / 1M	$1.250 / 1M
Precio de salida	$25.000 / 1M	$3.750 / 1M
Total de tokens de entrada	60,946	42,360
Tokens de salida	31,771	2,129
Tokens de razonamiento	6,831	122,959
Tiempo de respuesta (promedio)	10.83s	16.02s
Tiempo de respuesta (máximo)	127.97s	59.98s
Tiempo de respuesta (total)	227.39s	336.51s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#38 Claude Opus 4.8

low

Coste: $0.031
Tiempo: 14.1s
Tokens: 1,345 tok

#3 Qwen3.7 Max

medium

Coste: $0.017
Tiempo: 68.8s
Tokens: 4,526 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Qwen3.7 Max	10.0	10.0	100.0%	0		6.36s	672	222	8,742

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Qwen3.7 Max	10.0	10.0	100.0%	0		35.31s	7,893	423	34,808

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Qwen3.7 Max	10.0	10.0	100.0%	0		19.60s	14,934	366	8,405

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Qwen3.7 Max	10.0	10.0	100.0%	0		8.80s	7,782	270	6,254

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Qwen3.7 Max	5.9	7.2	55.6%	1		24.94s	771	61	31,793

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Qwen3.7 Max	10.0	10.0	100.0%	0		11.70s	516	135	4,457

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Qwen3.7 Max	10.0	10.0	100.0%	0		7.46s	699	102	5,452

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Qwen3.7 Max	10.0	10.0	100.0%	0		8.84s	696	259	8,908

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Qwen3.7 Max	10.0	10.0	100.0%	0		6.63s	8,193	267	1,220

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Qwen3.7 Max	3.0	10.0	0.0%	0		33.37s	204	24	12,920

Comparación rápida

Cambiar par de comparación